安装GPU、CUDA和TensorFlow

准备工作

查看当前服务器显卡。

查看VGA接口显卡：lspci | grep VGA

查看Nvidia：lspci | grep NVIDIA

[root@Malluma ~]# lspci | grep VGA
05:00.0 VGA compatible controller: Huawei Technologies Co., Ltd. Hi1710 [iBMC Intelligent Management system chip w/VGA support] (rev 01)
[root@Malluma ~]# lspci | grep NVIDIA
01:00.0 3D controller: NVIDIA Corporation Device 20f1 (rev a1)
81:00.0 3D controller: NVIDIA Corporation Device 20f1 (rev a1)

这里结果中的“00:”前缀，表示该显卡是虚拟机上挂载的显卡。

查看是否存在历史安装。

nvidia-smi

如果没有找到命令，则说明驱动没有安装。

再执行nvcc -V，如果没有找到命令，则说明CUDA没有安装。如果已经安装CUDA，则会出现如下结果：

[root@Malluma ~]# nvcc  -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Wed_Jul_14_19:41:28_PDT_2021
Cuda compilation tools, release 11.4, V11.4.100
Build cuda_11.4.r11.4/compiler.30188945_0

禁用nouveau。
1. 查看系统自带的驱动：lsmod | grep nouveau
  如果有结果，则说明存在nouveau。没有则直接跳过这一步。
2. 编辑如下文件：
  vim /usr/lib/modprobe.d/dist-blacklist.conf
  
  然后在最后添加如下内容：
```
blacklist nouveau
options nouveau modeset=0
```
3. 重启服务器。
安装基础rpm依赖包。
安装Nvidia驱动所需要的依赖包为kernel-devel、gcc、dkms。

验证CUDA，编译并运行验证Sample代码所需要的依赖包为gcc-c++。
1. 确认并安装对应服务器内核版本的kernel-devel包。
  首先确认当前服务器的内核版本。
```
[root@Malluma ~]# uname -r
4.19.90-2003.4.0.0036.oe1.aarch64
```
  然后查看当前yum环境中提供的kernel-devel包的版本。
```
[root@Malluma ~]# yum list|grep kernel-devel
kernel-devel.aarch64                   4.19.90-2003.4.0.0036.oe1             @anaconda
```
  yum提供的kernel-devel的版本是不是和当前服务器内核版本一致，如果一致则直接安装，不一致则更换一个和当前内核一致的版本。
2. （可选）添加一个合适的yum源。
  因为默认的yum源没有dkms包。
  
  华为镜像源配置对应的环境镜像： https://mirrors.huaweicloud.com/home
3. 安装rpm依赖包。
  yum install gcc dkms gcc-c++

安装Nvidia驱动

安装驱动。
驱动路径下执行命令：./NVIDIA-Linux-aarch64-470.82.01.run --kernel-source-path=/usr/src/kernels/4.19.90-2003.4.0.0036.oe1.aarch64/
注意如下选项：
```
Would you like to register the kernel module sources with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later.
```
这个选择YES；安装结束后，执行如下命令可以查看显卡信息：nvidia-smi。

查看显卡基本信息。

执行nvidia-smi命令后，能看到类似下面的表格。

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 410.73       Driver Version: 410.73       CUDA Version: 10.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 108...  Off  | 00000000:01:00.0  On |                  N/A |
| 35%   44C    P8    18W / 250W |   4694MiB / 11176MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  GeForce GTX 108...  Off  | 00000000:02:00.0 Off |                  N/A |
| 33%   38C    P8    17W / 250W |     12MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1846      G   /usr/bin/X                                    29MiB |
|    0      1903      G   /usr/bin/gnome-shell                          15MiB |
|    0     11521      C   ./darknet_gpu                               2319MiB |
|    0     32297      C   ./darknet                                   2319MiB |
+-----------------------------------------------------------------------------+

第一行表示当前显卡驱动的版本和显卡支持的CUDA的版本；这里支持CUDA的版本是只能够支持的最高版本，是可以向下兼容的。

表1 显卡参数说明
参数	说明
GPU	本机的GPU编号。
NAME	GPU名称。
Persistence-M	驱动常驻模式，如果设置为ON，则GPU功耗大但是启动新的GPU应用花费的时间更少。
Fan	风扇转速百分比。
Temp	显卡温度。
Perf	当前的性能状态，P0最高，P12最低。
Pwr	当前能耗。
Bus-Id	GPU总线。
Disp.A	GPU显示功能是否初始化。
Memory-Usage	显存的使用情况。
Volatile GPU-Util	浮动的GPU利用率。
ECC	错误码。
Compute M	计算模式。
Processes	每块GPU的进程情况。

安装CUDA和cuDNN

确定需下载的版本。
CUDA：GPU编程的语言函数。CUDA 版本 (对应)> Tensorflow 版本。

cuDNN：深度学习/矩阵运算的加速库。 CUDA 版本 (对应)> cuDNN 版本。

显卡驱动（CUDA驱动）：向下兼容的，可以一直保持最新。

安装cuda。

sh cuda_11.4.1_470.57.02_linux_sbsa.run

将文件翻到最后，进行一些选项配置。

Do you accept the above EULA? (accept/decline/quit):  
accept/decline/quit: accept

如已安装高版本，不安装以下工具。

Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
 [ default is /usr/local/cuda-9.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
 [ default is /root ]:
Installing the CUDA Toolkit in /usr/local/cuda-11.4 ...
===========
= Summary =
===========
Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-11.4
Samples:  Installed in /root, but missing recommended libraries
Please make sure that
 -   PATH includes /usr/local/cuda-11.4/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-11.4/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-11.4/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-11.4/doc/pdf for detailed information on setting up CUDA.
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver
Logfile is /tmp/cuda_install_24940.log

配置环境变量，修改/etc/profile文件。

在文件中添加：

export PATH=${PATH}:/usr/local/cuda-11.4/bin
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/cuda-11.4/lib64

保存文件后执行source /etc/profile。

验证CUDA版本。

nvcc -V

[root@localhost A100]# nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Wed_Jul_14_19:41:28_PDT_2021
Cuda compilation tools, release 11.4, V11.4.100
Build cuda_11.4.r11.4/compiler.30188945_0

如果前面安装了CUDA，这里可以执行如下操作：

[root@localhost A100]# cd /root/NVIDIA_CUDA-11.4_Samples/1_Utilities/deviceQuery
[root@localhost deviceQuery]# make

编译完成后执行./deviceQuery。

[root@localhost deviceQuery]# ./deviceQuery
./deviceQuery Starting...
 CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 2 CUDA Capable device(s)
Device 0: "NVIDIA A100-PCIE-40GB"

安装cuDNN。
tar -xvf cudnn-11.4-linux-aarch64sbsa-v8.2.4.15.tgz

将解压后的文件复制到cuda的安装后的目录中。

cp cuda/include/cudnn.h /usr/local/cuda-11.4/include

cp cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64

将复制后的文件全部添加“a+r”权限。

chmod a+r /usr/local/cuda-11.4/include/cudnn.h /usr/local/cuda-11.4/lib64/libcudnn*

父主题： 常用操作